Rohan Paul

纽约大学的新 Meta 论文表明，具有良好精益工具和更多计算能力的简单循环可以匹配或击败手工构建的定理证明工作流程。 用精益（一种计算机可以检查的语言）编写数学证明的系统越来越多地使用手工设计的工作流程来规划和分解问题。他们的收益通常来自更强大的模型或更多的计算，隐藏了工作流程添加的内容。 他们构建了 h1，一个为模型提供快速精益反馈和搜索工具的循环，并在每次失败的检查后保持其正常运行。它没有强加任何计划，只是在每轮新一轮之前进行进度总结。 使用相同的模型，h1 在 PutnamBench 上击败了手工构建的 Goedel-Architect，以 598 个问题对 597 个问题，每个问题 1.08 美元，对 1.47 美元。界面仍然很重要：在 Opus 4.8 中，h1 解决了 100 道代数难题中的 83 道，而 Claude Code 只解决了 63 道。